目的

Google Lensは、写したものが何かを教えてくれる。
下図（引用）の場合、写した植物が「つばき」だとGoogle Lensが教えてくれている。凄すぎる。。。。。
※Google Lensが考えている最中には、画面に、ランダムに？、白い点みたいなのが沢山でる。。。
画面の特徴を捉えている処理をユーザに示してくれる。。それ自体では有意な情報はないので、雰囲気作りですが、、、

(引用　図： https://appllio.com/how-to-use-google-lens )

さて、これ（Google Lens)は、どんな技術でできているのだろうか？
GoogleだからTensorflowか？GoogLeNet？

調べた結果は、以下。

Google Lensで使われている技術

前置き

結論から先に言うと、具体的に親切に説明されている情報が見つけられなかった。
企業秘密というか、競合他社もあるため、Googleが積極的には、情報を開示していない気がする。
とても、目立っている機能（サービス）なので、
情報が開示されていれば、難易度に関係なく、咀嚼されたものも含めて、沢山、広く、情報が示されるはず。

一応、以下の３つの記事は参考になると思う。
前者２つは、Googleのサイトでの記事。

　わかったこと

わかったことを出典から引用する。

(出典： https://www.blog.google/perspectives/aparna-chennapragada/google-lens-one-year/ )

as you may have guessed, is machine learning and computer vision

「machine learning」だけではなく、「computer vision」も。

Lens uses TensorFlow—Google’s open source machine learning framework—to connect the dog images you see above to the words “Shiba Inu” and “dog.”

「TensorFlow」とは書かれているが、「GoogLeNet」の文言はない。

we connect those labels to Google's Knowledge Graph

「Google's Knowledge Graph」というのがあるんですね。

(出典： https://www.blog.google/products/google-lens/google-lens-real-time-answers-questions-about-world-around-you/ )

This is only possible with state-of-the-art machine learning, using both on-device intelligence and cloud TPUs, to identify billions of words, phrases, places, and things in a split second

「on-device intelligence」と「cloud TPUs」のbothらしい。
どう分業、連携しているのでしょうかね。

以下の出典は、Google自体ではないので、
情報が正しいかどうかは、わかりません。推測なのかもしれない。

(出典： https://www.analyticsindiamag.com/why-google-lens-is-the-perfect-answer-for-content-based-image-recognition/ )

Features, can be based on attributes like colour, texture, shape etc. of an image which is extracted with popular techniques of image processing like binarizations , image transforms, etc. or by deep learning based techniques.

(図　出典： https://www.analyticsindiamag.com/why-google-lens-is-the-perfect-answer-for-content-based-image-recognition/ )

この図は、わかる人には、技術（の名前）が何かわかるんでしょうね。
わかれば、追記します。

引用を継続すると

Both handcrafted and deep learning based feature extraction techniques follow this feature extraction step with their corresponding algorithms before performing the final step of image recognition.

とあり、「handcrafted」と「deep learning」のbothとなっている。
これは、上記の
『「machine learning」だけではなく、「computer vision」も。』
と同じ指摘。

今後

もう少し、いい情報があれば、加筆します。
コメントや情報があれば、お願いします

関連（本人）

良書「ゼロから作るDeep Learning -- Pythonで学ぶディープラーニングの理論と実装」を読む